Регулярные выражения в VB .NET
Статьи
→
Программирование на VisualBasic
Введение Регулярные выражения – это мощная технология, предназначенная для работы со строками. Она была создана в шестидесятые годы, задолго до появления персональных компьютеров. Широко применяется в скриптовых языках программирования – Perl, Jscript, VBScript.
Вы уже знаете, что недавно Microsoft выпустила в свет платформу .NET Framework. В неё были встроены классы для работы с регулярными выражениями. Ниже будет кратко описаны возможности регулярных выражений и принципы работы с ними на языке Visual Basic .NET. Что такое регулярные выражения Если Вы уже знакомы с регулярными выражениями, то можете смело пропустить этот раздел.
С помощью регулярных выражений вы можете производить поиск, замену подстрок, используя шаблоны. Они состоят из обычных символов и так называемых метасимволов (metacharacters) – управляющих символов. Список метасимволов достаточно обширен. Ниже приведены наиболее часто используемые символы. Символ
Описание *
Соответствует выражению, находящемуся до знака “*”, взятому ноль или более раз.
Например, шаблон “[0-9]*” определяет строку, содержащую ноль или более цифр. \
Предназначен для определения символа, являющегося метасимволом.
Например, шаблон “.” соответствует любому символу, а шаблон “\.” будет соответствовать точке. ^
Определяет начало входной строки. $
Определяет конец входной строки. +
Соответствует выражению, находящемуся до знака “+”, взятому один или более раз.
Например, шаблон “[0-9]+” определяет строку, содержащую одну или более цифр. .
Определяет любой символ кроме символа перевода строки. |
Разделяет два выражения.
Например, шаблону “a|b” будут соответствовать строки “a” и “b”. [a-z]
Определяет диапазон символов.
Например, шаблон “[0-9]” определяет цифру. [^...]
Определяет любой символ, не соответствующий заданному набору.
Например, шаблон “[^0-9]” определяет любой символ, кроме цифры. \w
Слово. То же, что и [a-zA-Z_0-9]. \W
Все, кроме слов. То же, что и [^a-zA-Z_0-9]. \s
Любое пустое место. То же, что и [ \f\n\r\t\v]. \S
Любое непустое место. То же, что и [^ \f\n\r\t\v]. \d
Десятичная цифра. То же, что и [0-9]. \D
Не цифра. То же, что и [^0-9]. Другие метасимволы вы можете найти в MSDN.
Ниже приведён простой пример регулярного выражения – шаблон номера телефона. ^(\(\d+\)){0,1}\d{3}-\d{2}-\d{2}$\ Это выражение может показаться сложным, хотя на самом деле всё просто. Начинаем разбор полётов…
^ – Этот символ указывает, что здесь начинается искомая строка.
(– Код города располагается внутри скобок.
\( – Открывающая скобка.
\d+ – После скобки должен располагаться код города – одна или несколько цифр.
\) – Закрывающая скобка.
) – Закрывающая скобка – метасимвол, указывающий, что здесь заканчивается группируемое выражение (в данном случае, код города).
{0,1} – Этот метасимвол указывает, что выражение в скобках (код города) может повторяться от нуля до одного раза, то есть код города можно не указывать.
\d{3}-\d{2}-\d{2} – Три группы цифр – одна группа по три и две по две цифры. Цифры разделены дефисами.
$ – Этот знак показывает, что здесь заканчивается подстрока. Класс RegEx Для работы с регулярными выражениями в VB .NET используется класс RegEx, находящийся в пространстве имён System.Text.RegularExpressions. С помощью этого класса вы можете производить следующие действия: Поиск подстрок по шаблону
Замена подстрок по шаблону
Сравнение строки с шаблоном
Разделение строки на подстроки с использованием шаблонов. Ниже эти действия будут рассмотрены подробнее.
Для произведения действий с регулярными выражениями необходимо создать экземпляр класса RegEx. Для этого используется стандартный конструктор New. Он перегружен и имеет две комбинации параметров. Вы можете задать только шаблон (переменная типа String), который будет использоваться в дальнейшем, либо шаблон и параметры объекта. Параметры задаются константами из перечисления RegExOptions. Ниже приведены константы и их описания. Константа
Описание Compiled
Указывает, что регулярное выражение будет скомпилировано в сборку. Подробнее о компилированных регулярных выражениях читайте ниже. ECMAScript
Устанавливает ECMAScript-совместимость выражения. Может использоваться совместно с константами IgnoreCase, Multiline и Compiled. При использовании ECMAScript с другими константами будет инициировано исключение. IgnoreCase
Определяет, что при проведении операций с выражениями, регистр не имеет значения. IgnorePatternWhitespace
Устраняет пробелы из шаблонов и позволяет использовать комментарии, отмеченные знаком “#”. Multiline
Если этот флаг установлен, то метасимволы “^” и “$” отмечают начало и конец каждой строки (строки разделены знаком перевода строки), а не начало и конец всего выражения. None
Указывает, что не установлена ни одна опция. RightToLeft
Устанавливает, что поиск будет производиться с права на лево, а не наоборот. SingleLine
Указывает, что операции будут производиться в однострочном режиме. Эта константа изменяет значение метасимвола “.”. Он определяет любой символ, включая символ перевода строки. Поиск Поиск подстрок, соответствующих шаблону производится с помощью перегруженного метода Matches. Он может принимать 4 комбинации параметров. Первый параметр – строка, в которой будет производиться поиск. В качестве второго параметра можно установить позицию, с которой будет начат поиск. Также вторым параметром можно указать шаблон (если он не совпадает с шаблоном, указанным в конструкторе при создании объекта). И последняя комбинация параметров – строка для поиска, шаблон и параметры поиска, заданные комбинацией констант перечисления RegExOptions (см. таблицу 1).
Метод возвращает объект MatchCollection. Это коллекция, которая содержит объекты Match. Получить объект Match можно с помощью индексированного свойства Item коллекции. Нумерация элементов начинается с нуля. Чтобы получить найденную подстроку, следует использовать свойство Value объекта Macth.
Ниже приведён небольшой пример поиска тэгов в HTML коде. Dim regexp As New Regex("<(.*?)>")
Dim html As String
Dim i As Integer
Dim m As MatchCollection html = “Это пример поиска ”
m = regexp.Matches(html)
For i = 0 To m.Count - 1
MsgBox(m.Item(i).Value)
Next Замена Другое часто используемое действие, производимая с помощью класса RegEx – замена подстрок с использованием шаблонов. Для замены используется метод Replace. Он, как и метод Matches, перегружен. Replace может принимать 10 комбинаций параметров. Я не буду перечислять здесь все – вы можете найти их в MSDN или в Object Browser. Метод может принимать комбинации из следующих параметров: input – Исходная строка.
replacement – Строка, на которую будут заменены найденные подстроки.
count – Максимальное количество замен.
startat – Позиция в строке input, с которой будет производиться замена.
pattern – Заменяемый шаблон.
options – Опции. Может принимать константы из перечисления RegExOptions.
evaluator – Объект MatchEvaluator. Метод возвращает переменную типа String – строка, в которой были произведены замены. Dim regexp As New System.Text.RegularExpressions.Regex("<(.*?)>")
Dim InputString As String InputString = “p>Это пример pfvtys ”
txtText.Text = regexp.Replace(txtText.Text, "[вырезано]", RegexOptions.Multiline) Сравнение Сравнение строки с шаблоном - самая простая операция, которую можно произвести с помощью класса RegEx. Сравнение осуществляется методом IsMatch. Он перегружен и может принимать такие же параметры, как и метод Matches. Возвращаемое значение имеет тип Boolean. Метод возвращает True, если тестируемая строка совпадает с шаблоном и False в противном случае.
Ниже приведён пример сравнения строки с шаблоном. Dim regexp As New System.Text.RegularExpressions.RegEx (“[0-9]+”)
Dim str As String str = “1234567890”
MsgBox (regexp.IsMatch(str).ToString)
str = “abc”
MsgBox (regexp.IsMatch(str).ToString) Разделение строки Разделение строки используется реже остальных операций. Разделение строки с использованием регулярных выражений очень схоже с обычным разделением строки функцией Split. Но если в Split в качестве разделителя использовалась строка, то здесь разделителем является регулярное выражение.
Для разделения строки используется перегруженный метод Split класса RegEx. Он может принимать такие же комбинации параметров, как и методы Matches и IsMatch. Split возвращает массив типа String, который содержит строки, полученные из исходной строки. Массив индексируется с нуля.
Приведу небольшой пример. Допустим, вам нужно разбить строку по нескольким разделителям (скажем, “-“, “.” и “,”). Можно использовать для этого функцию Split, но при этом будет много возни с массивами, код будет сильно загромождён и снизится быстродействие. А теперь посмотрим, как легко эта операция будет произведена с использованием регулярных выражений. Разделителем будет являться следующее выражение: “[-\.,]”. Следующий код разбивает строку на подстроки с использованием этого шаблона. Dim regexp As New Regex("[-\.,]")
Dim i As Integer
Dim s() As String
Dim str As String str = "раз-два,три.четыре,пять"
s = regexp.Split(str)
For i = 0 To s.GetUpperBound(0)
Console.WriteLine(s(i))
Next Компилированные регулярные выражения По умолчанию RegEx компилирует регулярные выражения в последовательность внутренних байт-кодов регулярных выражений (это высокоуровневый код). При выполнении регулярных выражений происходит интерпретация байт-кода.
Если при создании объекта RegEx в конструкторе New была установлена константа Compiled, то RegEx будет скомпилирован в MSIL (Microsoft intermediate language). Это позволит JIT-компилятору преобразовать выражение в машинный код, что значительно повышает производительность.
Однако в компилированных выражениях есть и плохая сторона – их нельзя выгрузить из памяти. Компилированные регулярные выражения выгружаются только при завершении работы всего приложения. RegEx остается в памяти, даже когда сам объект освобождён и уничтожен сборщиком мусора.
Поэтому, следует задуматься над тем, стоит ли устанавливать флаг Compiled. Если вы постоянно используете несколько регулярных выражений, то лучше будет их скомпилировать. Заключение Регулярные выражения – мощная технология для работы с текстом. Радует то, что разработчики Microsoft всё-таки встроили поддержку этой технологии в .NET Framework. Возможно, они сделали это потому что .NET Framework используется в Web-приложениях (ASP .NET), где регулярные выражения больше всего необходимы. Павел Сурменок Источник: http://codenet.ru
16.02.2006
|
